A kutatók azt találták, hogy ha a különböző képzési címkékkel rendelkező neurális hálózatokat összehasonlítják, jobban teljesítenek.
A bináris nyelv kompakt és pontosinformáció továbbítása. Ezzel szemben a beszélt emberi nyelv tonálisabb és analógabb. Mivel a számok hatékony módja az adatok digitalizálásának, a programozók ritkán használnak más típusú bemeneteket az idegháló tervezésénél.
Az egyik leggyakoribb gyakorlat aúj gépi tanulási módszer tesztelése: a mesterséges intelligencia megtanítása tárgyak vagy állatok felismerésére a fényképen. Az új munka szerzői kísérletet végeztek: két új neurális hálózatot hoztak létre, amelyeknek tíz különböző típusú objektumot kellett volna felismerniük egy 50 ezer fényképből álló gyűjteményben.
Az első mesterséges intelligencia rendszert hagyományos módon képezték ki: egy több ezer sorból álló adattáblázatot töltöttek fel, amelyek mindegyike egy-egy oktatófotónak felel meg.
A szerzők pedig betöltötték a táblázatot a második rendszerbeadatok, amelyek soraiban egy állat vagy tárgy fényképe volt, a második oszlopban pedig egy hangfájl, amelyben egy személy kiejti a tárgy vagy állat nevét.
Ennek eredményeként az első neurális hálózat digitálisat hozott létrea neki mutatott tárgy jelentését, a második pedig megpróbálta „elmondani”, amit látott. Mindkét algoritmus egyformán hatékonyan birkózott meg a feladattal, és az esetek 92%-ában helyesen válaszolt – jegyzik meg a szerzők.
A kísérlet eredményei azonban megváltoztak, amikorA tudósok 50 ezerről 2,5 ezerre csökkentették a mintát, majd az első mesterséges intelligencia válaszainak helyessége 35%-ra esett vissza, a másodiknál pedig, amelyet hanggal tanítottak, már csak 70%-ra.
Olvass tovább:
A kutatók először zuhantak a legmélyebben elsüllyedt hajóra
Létrehozták az első pontos világtérképet. Mi a baj mindenki mással?
Megjelent egy vezeték nélküli rendszer, amely segít megbénulni